Subisco da sempre il fascino delle tecnologie abilitanti, ma ciò che mi cattura davvero è l’estetica della sfida che le genera: quel percorso solitario e quasi brutale di chi scommette l’intera esistenza su un’unica visione. È una dedizione assoluta, un assedio intellettuale che, una volta infranta la barriera dell’impossibile, innesca una reazione a catena: un’onda d’urto che travalica i confini dell’invenzione per riscrivere ogni altro settore, trasformando il mondo in modi che nemmeno chi ha osato tutto poteva prevedere.
Per decifrare la traiettoria dell’intelligenza artificiale, dobbiamo guardare a una rivoluzione apparentemente distante, ma speculare: l’industria del ghiaccio dell’Ottocento. All’epoca, il progresso viaggiava su enormi blocchi di ghiaccio tagliati dal New England e spediti ai tropici. Nacque un’intera supply chain globale, con i suoi operai specializzati, gli “ice-men”, e stili di vita radicalmente nuovi.
Ma fu John Gorrie, un medico stanco del monopolio del ghiaccio naturale di Frederic Tudor, a tentare l’impossibile: crearlo artificialmente per dare sollievo ai malati di febbre gialla. Dominare la termodinamica non fu un semplice esercizio tecnico, ma il catalizzatore che ha permesso di stravolgere il mondo: dall’urbanizzazione dei deserti alla nascita della sanità moderna, fino alla capacità di lanciare satelliti nello spazio.
Oggi, per ironia della sorte, ci scontriamo con lo stesso muro, ma su scala atomica. I nostri moderni blocchi di ghiaccio sono i chip. Abbiamo edificato una civiltà intera sulla capacità di stipare potenza in spazi infinitesimali, ma proprio come i commercianti del passato, siamo arrivati al punto di rottura termico. Il calore non è più un fastidioso effetto collaterale; è la barriera fisica che minaccia di sciogliere i profitti della Silicon Valley e arrestare la corsa all’oro dell’IA. Quello che segue è il resoconto di come il “pranzo gratis” della fisica sia terminato, lasciandoci in eredità un’infrastruttura globale che scotta troppo per essere ignorata.
Dennard Scaling e l’era dell’efficienza energetica
Per quasi quattro decenni, l’industria ha banchettato a quello che gli ingegneri chiamavano “il pranzo gratis”. Questo banchetto era offerto dal Dennard Scaling, formulato nel 1974 da Robert H. Dennard di IBM. Il principio era di un’eleganza disarmante: rimpicciolendo le dimensioni di un transistor, la sua densità di potenza rimaneva costante. In termini economici, questo si traduceva in un dividendo automatico e prevedibile ad ogni nuova generazione di chip. Raddoppiare il numero di transistor (secondo la Legge di Moore) non comportava un aumento dei costi energetici o del calore da dissipare. I processori diventavano esponenzialmente più potenti e, al contempo, più efficienti. Era un motore di crescita economica senza precedenti, un’anomalia storica che ha alimentato l’ascesa della Silicon Valley e ha reso il calcolo computazionale onnipresente.
Fonte: viksnewsletter.com
La fine dello scaling: leakage, tensione e power wall
Intorno al 2005, il pranzo finì bruscamente. Avvicinandosi ai 90 nanometri, gli ingegneri si scontrarono con un muro non di mattoni, ma di fisica quantistica. Lo strato di ossido di silicio che isola il “gate” del transistor era diventato così sottile (appena pochi atomi di spessore) che gli elettroni iniziarono a “filtrare” attraverso la barriera, un fenomeno noto come tunneling quantistico. Questo creò una corrente di perdita (gate leakage) anche quando il transistor doveva essere spento.
Contemporaneamente, un altro demone fisico emerse: la corrente di sottosoglia. Per mantenere i transistor reattivi, la loro tensione di soglia, ovvero il voltaggio minimo per accenderli, dovette essere ridotta. Tuttavia, esiste un limite fisico fondamentale (il “subthreshold swing”, circa 60 millivolt per decade di corrente a temperatura ambiente) che impedisce di abbassare all’infinito senza che il transistor perda la sua capacità di spegnersi completamente.
Questa incapacità di ridurre la tensione di alimentazione in proporzione alla densità dei transistor ha rotto l’equazione del Dennard Scaling. La densità di potenza, un tempo costante, iniziò a crescere esponenzialmente. Se avessimo continuato a scalare le frequenze di clock come negli anni ’90, oggi un microprocessore avrebbe la densità termica di un reattore nucleare, dunque la corsa ai Gigahertz era finita.
Fonte: semanticscholar.org
L’ascesa dei multi-core e I limiti dell Instruction-Level Parallelism (ILP)
Prima di arrivare alla specializzazione selvaggia che vediamo oggi, l’industria ha tentato una strada intermedia. Prima del 2005, si cercava di estrarre prestazioni aumentando la complessità interna del singolo core tramite l’Instruction Level Parallelism (ILP). Si sperava che il chip potesse capire da solo quali istruzioni eseguire in parallelo. Ma l’industria sbatté contro l’ILP Wall: i rendimenti diventavano decrescenti mentre la complessità del circuito e il calore generato esplodevano.
La risposta fu un ripiegamento tattico: se non puoi costruire un motore più veloce, costruisci un’auto con più motori. Nacque l’era dei processori multi-core. Tuttavia, questa mossa spostò semplicemente il problema dall’hardware al software, facendoci scontrare con la Legge di Amdahl. Questa legge stabilisce che il miglioramento delle prestazioni di un sistema è limitato dalla parte del software che non può essere parallelizzata. Se il 10% del tuo codice deve essere eseguito in sequenza, non importa se hai 1.000 core: la tua velocità massima sarà sempre limitata da quel 10%. Molti core restavano fermi ad aspettare gli altri, consumando energia per produrre nulla.
Fonte: pcmag.com
L’avvento dell’Intelligenza Artificiale ha dato vita alla specializzazione dei chip, le GPU (Graphics Processing Units) e le NPU (Neural Processing Units) rappresentano il culmine delle architetture a dominio specifico (DSA). Esse sacrificano la generalità di un processore tradizionale per un’efficienza brutale in un compito specifico: i calcoli matriciali che sono il cuore del machine learning. Ma anche questa specializzazione sta raggiungendo un collo di bottiglia invalicabile, un problema non di calcolo, ma di logistica: il Memory Wall.
Il Memory Wall: quando il calcolo supera la memoria
Storicamente, mentre le prestazioni dei processori crescevano a ritmi di oltre il 50% all’anno, la velocità della memoria DRAM migliorava di circa il 7% all’anno. Questo divario sempre più ampio tra calcolo e accesso ai dati è ciò che chiamiamo Memory wall, e significa che i chip più potenti finiscono spesso per attendere i dati prima di poterli elaborare. In termini di efficienza, spostare un dato dalla memoria al processore può consumare centinaia di volte più energia rispetto all’operazione di calcolo stessa.
Fonte: Asteralabs.com
A questo si aggiunse il collo di bottiglia delle interconnessioni. Far comunicare i core tra loro richiede chilometri di microscopici fili di rame all’interno del chip. La resistenza elettrica di questi fili genera calore e ritardi massicci. Il chip non era più limitato dalla velocità dei suoi transistor, ma dalla “logistica” dei suoi dati.
Il vincolo termico e il fenomeno del Dark Silicon
Siamo così giunti al paradosso finale dell’era del silicio: il Dark Silicon. Grazie alle meraviglie della litografia EUV (Extreme UltraViolet), possiamo creare dei processori incidendovi miliardi di transistor, ma non possiamo accenderli tutti insieme. Farlo supererebbe istantaneamente il Thermal Design Power (TDP), il budget termico del chip, portandolo all’autodistruzione. Di conseguenza, una frazione significativa del silicio (in alcuni scenari anche la maggior parte) deve rimanere “oscura”, spenta, per consentire a una piccola parte di operare. Per un investitore, questo è l’incubo del capitale immobilizzato in quanto paga per un intero grattacielo di uffici, ma la fisica permette di usarne solo qualche piano alla volta.
Conclusione: Energia, efficienza e competitività nell’era dell’Intelligenza Artificiale
Questa analisi ci ricorda che l’equilibrio del progresso globale spesso dipende da quei ‘percorsi solitari e brutali’ intrapresi da chi scommette l’intera esistenza su una visione. Proprio come John Gorrie trasformò la termodinamica in un catalizzatore capace di urbanizzare i deserti e lanciare satelliti, oggi ci troviamo davanti a un nuovo stallo fisico: un muro di calore che minaccia di sciogliere i profitti della Silicon Valley.
Per adesso, il pranzo gratis è finito. Il conto è arrivato, e si presenta sotto forma di bollette energetiche da gigawatt per i data center e di costi di ricerca e sviluppo che sfidano la gravità. Gli investitori e i leader aziendali devono interiorizzare una nuova realtà: l’efficienza energetica (espressa in TOPS/watt) non è più una metrica per ingegneri. È la variabile macroeconomica fondamentale che determinerà chi capitalizzerà sull’era dell’Intelligenza Artificiale e chi rimarrà scottato dal calore residuo della vecchia Legge di Moore.
Home
Market&Data
Scrivi per noi
Wallet
